Skip to main content

Python 迭代器与生成器

迭代器（Iterator）和生成器（Generator）是 Python 中处理数据流的重要概念，它们可以高效地迭代数据，而不需要一次性加载所有数据到内存。

1. iter() 与 next()​

概念​

  • 迭代器（Iterator） 是一种对象，它实现了 __iter__() 和 __next__() 方法，能够逐个返回元素。
  • iter() 将可迭代对象（如列表、元组、字符串）转换为迭代器。
  • next() 获取迭代器的下一个元素，直到 StopIteration 异常结束。

实例​

# 使用 iter() 将列表转换为迭代器
numbers = [1, 2, 3, 4]
num_iter = iter(numbers)  # 创建迭代器

print(next(num_iter))  # 输出: 1
print(next(num_iter))  # 输出: 2
print(next(num_iter))  # 输出: 3
print(next(num_iter))  # 输出: 4
# print(next(num_iter))  # 触发 StopIteration 异常

自定义迭代器​

class Countdown:
    def __init__(self, start):
        self.current = start

    def __iter__(self):
        return self  # 返回迭代器本身

    def __next__(self):
        if self.current <= 0:
            raise StopIteration  # 终止迭代
        self.current -= 1
        return self.current

# 创建迭代器
countdown = Countdown(5)
for num in countdown:
    print(num)  # 输出: 4 3 2 1 0

2. yield 关键字​

概念​

  • yield 关键字用于创建 生成器（Generator），它是一种特殊的迭代器。
  • 生成器不会一次性返回所有数据，而是按需生成数据，提高内存效率。
  • yield 暂停函数执行，并返回值，下一次调用时从暂停处继续执行。

实例​

def countdown(n):
    while n > 0:
        yield n
        n -= 1

# 使用生成器
for num in countdown(5):
    print(num)  # 输出: 5 4 3 2 1

生成斐波那契数列​

def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

# 生成前 10 个斐波那契数
fib_gen = fibonacci(10)
print(list(fib_gen))  # 输出: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

3. itertools 模块​

概念​

itertools 是 Python 内置的一个强大模块，提供了多种高效的迭代工具。

常见 itertools 迭代器​

函数作用
count(start, step)无限生成等差数列
cycle(iterable)无限循环迭代
repeat(value, times)重复某个值
chain(iter1, iter2, ...)连接多个可迭代对象
islice(iterable, start, stop, step)切片
combinations(iterable, r)生成 r 长度的组合
permutations(iterable, r)生成 r 长度的排列
product(iterable1, iterable2, ...)笛卡尔积
groupby(iterable, keyfunc)按键分组

实例​

1) itertools.count() 无限生成数列​

import itertools

for i in itertools.count(10, 2):  # 从 10 开始，每次加 2
    print(i)
    if i > 20:
        break  # 否则无限循环

输出:

10
12
14
16
18
20

2) itertools.cycle() 无限循环​

import itertools

colors = itertools.cycle(["red", "blue", "green"])
for i in range(5):
    print(next(colors))

输出:

red
blue
green
red
blue

3) itertools.repeat() 重复某个值​

import itertools

for item in itertools.repeat("Python", 3):
    print(item)

输出:

Python
Python
Python

4) itertools.chain() 连接多个迭代器​

import itertools

list1 = [1, 2, 3]
list2 = ['a', 'b', 'c']
combined = itertools.chain(list1, list2)

print(list(combined))  # 输出: [1, 2, 3, 'a', 'b', 'c']

5) itertools.islice() 切片迭代器​

import itertools

nums = range(100)
print(list(itertools.islice(nums, 10, 20, 2)))  # 输出: [10, 12, 14, 16, 18]

6) itertools.combinations() 组合​

import itertools

items = ['A', 'B', 'C']
print(list(itertools.combinations(items, 2)))
# 输出: [('A', 'B'), ('A', 'C'), ('B', 'C')]

7) itertools.permutations() 排列​

import itertools

items = ['A', 'B', 'C']
print(list(itertools.permutations(items, 2)))
# 输出: [('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'C'), ('C', 'A'), ('C', 'B')]

8) itertools.product() 笛卡尔积​

import itertools

list1 = [1, 2]
list2 = ['a', 'b']
print(list(itertools.product(list1, list2)))
# 输出: [(1, 'a'), (1, 'b'), (2, 'a'), (2, 'b')]

9) itertools.groupby() 按键分组​

import itertools

data = [{'name': 'Alice', 'age': 25}, {'name': 'Bob', 'age': 25}, {'name': 'Charlie', 'age': 30}]
data.sort(key=lambda x: x['age'])  # 先排序，否则 groupby 不会正确分组

grouped = itertools.groupby(data, key=lambda x: x['age'])
for key, group in grouped:
    print(f"Age {key}: {[person['name'] for person in group]}")

输出:

Age 25: ['Alice', 'Bob']
Age 30: ['Charlie']

总结​

概念用途示例
迭代器 (iter(), next())按需获取元素iter([1,2,3]), next(iterator)
生成器 (yield)生成数据流，提高效率def gen(): yield x
itertools处理迭代对象的工具count(), cycle(), combinations()

Python 的 迭代器和生成器 能够大幅度提高内存使用效率，特别适用于 大数据处理、流数据、懒加载 等场景，同时 itertools 提供了丰富的工具来处理迭代对象！🚀